Наиля ГАБИТОВА,

учитель начальных классов

многопрофильного лицея «Инноватика»

 Лаишевского района  РТ

Аннотация. В статье рассматривается проблема интеграции генеративного искусственного интеллекта (ГИИ) в образовательный процесс. Обосновывается, что ответ педагогического сообщества не может ограничиваться обучением «цифровой грамотности» или политикой запретов. На основе теоретического анализа современных исследований (2025–2026 гг.) выявлен ключевой риск: ГИИ улучшает внешние характеристики учебной работы, но может ослаблять эпистемические практики – проверку источников, различение доказательства и вывода, калибровку уверенности. Предложен сдвиг образовательных целей от инструментальной грамотности к эпистемической бдительности и описаны педагогические стратегии, позволяющие использовать ГИИ без ущерба для самостоятельности мышления (зоны алгоритмического трения, оценка процесса, поэтапная интеграция).

Ключевые слова: генеративный искусственный интеллект, эпистемическая бдительность, критическое мышление, цифровая грамотность, метакогнитивная лень, педагогический дизайн, алгоритмический догматизм.

Введение

Генеративный искусственный интеллект перестал быть экспериментальной технологией и стал устойчивым элементом академической среды. Исследования 2025–2026 гг. фиксируют быстрый переход от обсуждения допустимости ChatGPT и аналогичных систем к вопросам педагогического дизайна, институционального управления и пересмотра критериев оценивания. Одновременно накопленные данные указывают на неоднозначность последствий: доступ к мгновенным, связным и уверенным по тону ответам не гарантирует более глубокого понимания. Напротив, возникает риск «иллюзии обучения», при которой студент принимает беглость формулировки за истинность, а делегирование когнитивных операций машине ведёт к метакогнитивной лени и снижению критической рефлексии.

В этой ситуации перед педагогикой встаёт не только технический или этический, но прежде всего эпистемический вопрос: какие практики мышления необходимо целенаправленно сохранять и развивать, если производство текста, кода и анализа всё чаще опосредовано алгоритмом? Цель статьи – обосновать необходимость перехода от «цифровой грамотности» к «эпистемической бдительности» как ключевому ориентиру образования и предложить педагогические стратегии, соответствующие этому сдвигу.

1. Педагогические возможности ГИИ: что действительно ценно

Анализ литературы показывает, что ГИИ обладает реальными образовательными возможностями, которые не следует игнорировать. К ним относятся: масштабируемое тьюторство, формирующая обратная связь, поддержка двуязычного концептуального обучения, генерация примеров и сценариев, помощь в программировании и техническом письме, а также поддержка проектной и капстон-деятельности. ГИИ может снижать барьеры доступа к помощи, которая ранее распределялась неравномерно, и освобождать время преподавателя для коучинга, итеративной обратной связи и оценки рассуждения, а не только результата.

Однако эти возможности реализуются только при определённых условиях: продуманном дизайне заданий, систематической верификации и сохранении человеческого контроля над оценкой. Без этого педагогический выигрыш оказывается иллюзорным.

2. Риски: от «метакогнитивной лени» до алгоритмического догматизма

Литература 2025–2026 гг. выделяет несколько взаимосвязанных рисков.

Иллюзия обучения и метакогнитивная лень. Поскольку большие языковые модели генерируют ответы в полированной, уверенной форме, пользователи склонны оценивать их как более достоверные. Исследования показывают, что доверие к ГИИ снижает усилие, затрачиваемое на критическое мышление; студенты могут «оптимизировать» выполнение задания под внешний результат, а не под понимание. Это ведёт к формированию «метакогнитивной лени» – снижению готовности самостоятельно проверять, сравнивать и обосновывать выводы.

Алгоритмический догматизм. В концептуальной работе Б. Галассо вводится конструкт алгоритмического догматизма – сочетания непрозрачности выводов, масштабируемого авторитета, коммерческой замкнутости и эпистемической натурализации, которые воспроизводят логику догмы в среде математического вывода. Иными словами, ГИИ может восприниматься как источник «готового знания», не подлежащего проверке, что подрывает рефлексивность образования.

Снижение агентности и критической оценки. Студенты сообщают о чувстве потери контроля над собственным мышлением при чрезмерной опоре на ГИИ; у части обучающихся, особенно с более низкой успеваемостью, наблюдается минимальная критическая проработка сгенерированного контента. ОЭСР также предупреждает, что делегирование когнитивных задач чат-ботам создаёт риски метакогнитивной лени и отстранённости, которые могут препятствовать формированию навыков в долгосрочной перспективе.

Наконец, сохраняются традиционные, но от этого не менее острые проблемы: академическая честность, надёжность выводов, конфиденциальность данных, алгоритмические предубеждения и интеллектуальная собственность.

3. От цифровой грамотности к эпистемической бдительности

Цифровая грамотность, понимаемая как владение инструментами и понимание базовых принципов работы ИИ, необходима, но недостаточна. Она отвечает на вопрос «как пользоваться», но не на вопрос «как сохранить качество суждения, когда инструмент говорит уверенно и бегло».

Концепция эпистемической бдительности акцентирует способность учащегося отслеживать источник знания, оценивать его надёжность и сохранять ответственность за вывод даже при технологической поддержке когнитивных процессов. В образовательном контексте это предполагает не просто добавление нового навыка, а переориентацию целей: от эффективного использования ГИИ к сохранению авторства суждения.

Ключевые компоненты эпистемической бдительности, выделяемые в современных работах, включают:

• проверку источников и сопоставление нескольких источников или вариантов вывода;
• различение доказательства и вывода, распознавание того, где заканчивается данные и начинается интерпретация;
• осознание промпта как фактора, формирующего ответ
• распознавание неопределённости и к калибровке уверенности – умение сказать «это вероятно, но не доказано»;
• метакогнитивное обоснование – способность объяснить, почему данный вывод считается обоснованным;
• этапы работы без ИИ и этическую прозрачность использования инструментов.

Показательно, что исследования обсуждают эпистемическую бдительность не как дополнительный «мягкий навык», а как условие, от которого зависит, будет ли ИИ усиливать компетентность или эрозировать её. Как отмечается в одной из работ, исход определяется не наличием ещё одного навыка или исправностью инструмента, а тем, сохраняет ли человек оценку за собой и удерживает ли её откалиброванной.

4. Педагогические стратегии: как проектировать обучение с ГИИ

Переход к эпистемической бдительности требует изменения практики преподавания и оценивания. Можно выделить несколько направлений.

Зоны алгоритмического трения. Вместо заданий, где ГИИ выдаёт готовый ответ, проектируются ситуации, в которых учащийся вынужден взаимодействовать с алгоритмом критически: реконструировать логику вывода, сопоставлять конкурирующие варианты, формулировать контрпримеры, обнаруживать ограничения сгенерированного материала. Подобные «зоны трения» могут быть реконструктивными, контрастивными и пропозициональными.

Оценка процесса, а не только продукта. Если итоговый текст или код может быть сгенерирован, то ценность приобретают артефакты рассуждения: журналы решений, версии с обоснованием изменений, устная защита, метакогнитивные комментарии, объяснение того, какие фрагменты были отклонены и почему. Такая практика смещает акцент с «полированного результата» на развитие понимания и ответственности.

Поэтапная интеграция и моделирование. Исследования поддерживают структурированное, пошаговое включение ИИ в учебную деятельность: от использования на этапе генерации идей и обратной связи к постепенному усложнению задач и рефлексии над ограничениями инструмента. Фреймворки вроде SAMR и практики «думания вслух с ИИ» показывают, что выигрыш достигается тогда, когда интеграция подчинена педагогической цели, а не технической доступности.

Развитие культуры проверки. Преподаватель должен не только декларировать важность критического мышления, но и систематически демонстрировать собственные стратегии верификации, сравнения источников и признания неопределённости. Эпистемическая бдительность формируется в среде, где сомнение не наказывается, а является нормой.

Заключение

Генеративный ИИ не является ни нейтральным инструментом, ни неизбежной угрозой. Его образовательный эффект зависит от того, какие практики мышления мы сохраняем и целенаправленно проектируем. Ответ на вызовы ГИИ не может сводиться к обучению «цифровой грамотности» или ужесточению запретов. Необходим более глубокий сдвиг: от инструментальной компетентности к эпистемической бдительности — способности студента проверять, сопоставлять, обосновывать и нести ответственность за суждение в условиях, когда машина предлагает удобные и уверенные ответы.

Педагогический вывод состоит в том, что проектирование учебных заданий должно включать «трение» и рефлексию, а оценивание – смещаться с продукта на процесс и обоснование. Только при таком подходе ИИ может усиливать, а не замещать интеллектуальные процессы, ради которых существует образование.

Список литературы

1. Галассо Б. Ж. Б. Algorithmic dogmatism and the crisis of educational reflexivity: A secular pedagogy for generative AI // Formоre — Open Journal per la Formazione in Rete. 2026. Vol. 26, № 2. P. 21–35.
2. ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИЙ ОБЗОР: актуальные исследования педагогического образования. 2026. Июль. ( rusacademedu.ru).
3. Хохман Г., Миллер К. С., Клайн М. From AI literacy to epistemic vigilance: rethinking higher education curriculum in the age of artificial confidence // Cogent Education. 2026. Article 2746161.
4. Large language models in STEM education: Opportunities, pedagogical shifts, ethical concerns, and future research directions // Social Sciences & Humanities Open. 2026. (ScienceDirect).
5. OECD Digital Education Outlook 2026. OECD, 2026.
6. Click, create, critique: Futureproofing critical thinking in the age of generative AI // Taylor & Francis. 2026.
7. Искусственный интеллект в образовательном процессе: педагогический инструмент или фактор деградации когнитивных способностей учащихся // Zenodo. 2026.
8. Scaffolding critical thinking with generative AI: Design principles for integrating large language models in higher education // ScienceDirect. 2026.